Aspekte der morphologischen Analyse des Deutschen - Universität ...

Kapitel 4: Ein Modell eines morphologischen Analysesystems
hierbei das Problem, daß das Verfahren von Aho/Corasick nicht garantiert, daß die Segmente
das Gesamtwort partitionieren; es ist vielmehr möglich, daß Segmente sich überlappen,
dies ist ja geradezu der prototypische Fall der Anwendung dieses Automatentyps.
Formal ist der segmentierende Automat durch ein 7-Tupel beschrieben.
Die ersten fünf Tupelkomponenten sind wie beim (deterministischen) endlichen
Automaten definiert:
Σ dem Automatenalphabet (hier also aus den Symbolen der Zielsprache Deutsch
{ a,...,z,ä,ö,ü,ß,-} bestehend)
S eine Menge von Zuständen
Q0 q0 ∈ S, dem Anfangszustand des Automaten
goto eine (totale) Übergangsfunktion S × Σ � S ∪ { fail }; der Funktionswert ist , fail für
alle Symbole aus Σ, für die kein Übergang definiert ist (entspricht der δ -Funktion
eines endlichen Automaten)
F F ⊆ S, der Menge der Endzustände des Automaten
Hinzu kommen zwei weitere Funktionen:
ƒ die sog. failure-Funktion S � S
Σ* Σ*
output die Ausgabefunktion oS : � 2 ;
×
die erste Komponente in einem 2-Tupel in output(s) ist der Name des
morphologischen Paradigmas, die zweite enthält einen Schlüssel in dieses Paradigma.
Bei trivialen Paradigmen ohne Allomorphie ist die zweite Komponente ε.
Die nachfolgende Abbildung zeigt einen Beispielautomaten nach dem Einfügen der Lexeme
tausch- 5 , Tausch, Stau, Staub, staun-, Becken, Ecke, –s– (Fugenelement) und -n (Flexiv). Unterschiede
hinsichtlich Groß- und Kleinschreibung werden hierbei nicht berücksichtigt, da sie
nicht signifikant sind: Einerseits werden normalerweise klein geschriebene Wörter am Satzanfang
groß geschrieben, während das Umgekehrte bei Wörtern/Stämmen gilt, die innerhalb
von komplexen Wörtern stehen.
5 Um das Beispiel einfach zu halten, wird darauf verzichtet, in die Ausgabefunktion ein Schlüsselpaar
aufzunehmen; es wird lediglich das im Automaten repräsentierte Morph angegeben.
95